作物病虫草害严重影响作物的产量和品质,针对作物病虫草害识别自动化程度不高,识别诊断不及时问题,应用计算机视觉技术对玉米生长期的叶部病害识别诊断进行研究,以常见的玉米叶部病害为研究对象,提出可行的方法,提高诊断精度,为作物病虫草害自动识别与诊断的相关研究提供理论依据。根据玉米叶部病害特点,综合应用阈值法、频率对比度增强法、YCbCr色彩空间对玉米叶部病害图片进行图像分割,利用图像的开闭运算去除冗余斑点。基于提升小波变换和空间灰度共现矩阵提取纹理特征。利用小波分析的时域化特性以及提升小波的本位元算特点,对纹理图像进行提升小波分解,在对得到的高频子图继续做第二层小波分解,然后以各频率子图的图像熵作为图像的纹理特征进行纹理分类。该算法提取的特征维数较低,计算量较小,具有较强的纹理分析能力。将RGB颜色空间转化到HIS颜色空间,提取颜色特征。采用并行模拟退火遗传算法优化人工神经网络模式识别方法来衡量图像之间相似程度,以改进距离度量法的缺陷,并用于灰斑病,褐斑病和小斑病三种玉米叶部病害进行分类识别。利用VisualC++编制了玉米叶部病害智能识别软件,为计算机作物病害智能识别的研究提供了软件和技术支持。实现了灰斑病、褐斑病和小斑病三种常见玉米叶部病害的自动识别,识别准确率达到90%以上。将计算机视觉技术应用于玉米病害的识别诊断,拓展了机器视觉的应用范围,也为机器视觉技术在农业领域的应用提供了借鉴。